1,8 Stunden täglich — und das ist noch die optimistische Zahl
Mitarbeiter verbringen im Schnitt 1,8 Stunden pro Arbeitstag damit nach Informationen zu suchen, die eigentlich schon vorhanden sein sollten. Das hat McKinsey 2012 gemessen. Neuere Erhebungen kommen auf noch mehr: Glean hat 2021 zwei Stunden pro Tag ermittelt, Coveo 2022 sogar 3,6 Stunden.
Was diese Zahlen gemeinsam zeigen: Das Problem hat sich in den letzten zehn Jahren nicht gelöst, obwohl Betriebe in dieser Zeit mehr digitale Tools eingeführt haben als je zuvor. Mehr Software hat offensichtlich nicht zu weniger Suchaufwand geführt.
Warum das niemanden überrascht, aber trotzdem kaum jemand handelt
Wer im Betriebsalltag steckt, kennt das Phänomen. Man braucht einen Lieferschein vom letzten Quartal, den Ansprechpartner beim Kunden, den Stand des letzten Angebots, die Vorlage die schon mal jemand gebaut hat. Und dann beginnt die Suche: E-Mail-Postfach, Chatverläufe, Laufwerkordner, Kollegen fragen, nochmal suchen.
Der Grund, warum dieser Aufwand so selten als Problem erkannt wird, liegt in seiner Verteilung über den Tag. Er tritt nicht als einzelnes, messbares Ereignis auf, sondern in kleinen Unterbrechungen, kurzen Umwegen und stillen Wartezeiten, die sich im Arbeitsablauf so selbstverständlich einreihen, dass sie kaum als Ineffizienz wahrgenommen werden. Genau darin liegt das eigentliche Problem: Suchaufwand, der sich wie normaler Betriebsalltag anfühlt, wird selten hinterfragt.
Das Problem skaliert mit Komplexität, nicht mit Größe
In kleinen Betrieben ist das Problem direkt spürbar. Wenn zehn Personen zusammenarbeiten, landet die Suche nach einer Information schnell beim Kollegen nebenan, der es noch weiß, weil er dabei war. Das funktioniert, solange die Strukturen stabil bleiben und dieselben Menschen verfügbar sind. Es verdeckt aber, dass auch hier Wissen nicht dokumentiert, sondern nur personengebunden vorhanden ist.
In größeren Betrieben verändert sich das Muster. Mit jeder zusätzlichen Ebene, jedem neuen Team und jedem Systemwechsel entstehen neue Stellen, an denen Informationen stecken bleiben. Wissen entsteht in Projekten und bleibt dort. Prozesse funktionieren, weil einzelne Personen sie kennen, nicht weil sie irgendwo beschrieben sind. Wer das Unternehmen verlässt, nimmt seinen Teil mit.
IDC schätzt, dass Betriebe durch diese Art von Informations- und Dokumentationsproblemen bis zu 21 Prozent ihrer Produktivität verlieren. Das sind keine Ausreißer, das ist Durchschnitt.
Drei Ursachen, die fast überall zutreffen
Die Gründe für den Suchaufwand sind selten technischer Natur. Meistens liegt es an drei strukturellen Mustern, die sich in Betrieben unterschiedlicher Größe und Branche regelmäßig wiederfinden.
Das erste ist fehlendes Prozesswissen in dokumentierter Form. Abläufe wurden nie aufgeschrieben, nicht weil niemand es für sinnvoll hielt, sondern weil immer etwas Dringenderes anstand. Solange dieselben Personen verfügbar sind, funktioniert das System, weil das Wissen in Köpfen vorhanden ist. Sobald jemand krank wird, längeren Urlaub hat oder das Unternehmen verlässt, fehlt genau dieses Wissen ohne Vorwarnung.
Das zweite Muster ist die Verteilung von Informationen über zu viele Orte. Die relevante Datei liegt auf einem Laufwerk, der aktuelle Stand findet sich in einer E-Mail, die zugrundeliegende Entscheidung wurde in einem Chatverlauf getroffen, den niemand mehr auffinden kann. Die Informationen sind technisch vorhanden, praktisch aber nicht zugänglich, weil niemand weiß wo genau.
Das dritte Muster entsteht durch parallel laufende Systeme ohne inhaltliche Verbindung. E-Mail, Chattools, Laufwerke, Projektmanagement und möglicherweise ein ERP existieren nebeneinander, jedes mit seinem eigenen Kontext und seiner eigenen Logik. Einen Gesamtüberblick zu behalten ist unter diesen Bedingungen strukturell kaum möglich.
Warum KI das Informationsproblem nicht löst, sondern sichtbar macht
KI-Tools werden derzeit in vielen Betrieben als Antwort auf Produktivitätsprobleme eingeführt, und für bestimmte Aufgaben ist das berechtigt. Für das strukturelle Informationsproblem greifen sie jedoch nicht, weil jedes KI-System nur mit dem arbeiten kann, was ihm zugänglich gemacht wird. Ein Sprachmodell das einen Bericht zusammenfassen, eine Anfrage beantworten oder einen Prozess beschreiben soll, benötigt dafür eine dokumentierte, durchsuchbare Grundlage. Wissen das ausschließlich in Köpfen vorhanden ist, in nicht maschinenlesbaren Formaten steckt oder über zu viele voneinander getrennte Systeme verteilt ist, existiert für diese Systeme nicht.
Wer seine Informationen nicht strukturiert zugänglich hat, bekommt durch KI keine Lösung für dieses Problem. Das Ergebnis lässt sich kurz zusammenfassen: Schnellere Antworten auf schlechte Fragen. Das Grundproblem bleibt, es wird durch den KI-Einsatz nur deutlicher sichtbar.
Was sich ohne Systemwechsel sofort ändern lässt
Die Lösung setzt kein großes Projekt und kein teures System voraus. Es geht im Kern darum, Informationen dort abzulegen wo sie gesucht werden, in einer Form die auch jemand anderes versteht, der den ursprünglichen Kontext nicht kennt.
In der Praxis lässt sich das auf drei Ansätze herunterbrechen:
Der erste ist, Prozesse genau dann aufzuschreiben, wenn sie zum ersten Mal funktionieren. Nicht als ausführliches Handbuch und kein aufwendig gestaltetes Flussdiagramm, sondern eine kurze, nachvollziehbare Schritt-für-Schritt-Notiz. Das reicht, um das Wissen aus dem Kopf herauszuholen und für andere zugänglich zu machen.
Der zweite Ansatz ist die Entscheidung für einen einzigen zentralen Ablageort, der konsequent eingehalten wird. Systeme die auf Disziplin angewiesen sind scheitern meistens nicht an fehlendem Willen, sondern an der ersten begründeten Ausnahme, die zur Regel wird. Ein Ort, keine Ausnahmen.
Der dritte Ansatz betrifft die Benennung und Ablage von Dokumenten nach einer Logik, die auch ohne Vorwissen funktioniert. Das ist keine technische Frage, sondern eine Frage der Vereinbarung, die einmal getroffen und danach konsequent angewendet werden muss.
Vielleicht löst sich das Problem von selbst — oder auch nicht
Es gibt ein Argument, das man gelegentlich hört: Der wachsende Einsatz von KI-Tools wird Betriebe mittelfristig dazu zwingen, ihre Informationen besser zu strukturieren, weil die Systeme sonst schlicht nicht funktionieren. Wer seinen Assistenten mit verwertbaren Ergebnissen nutzen will, muss ihm verwertbare Grundlagen liefern. Das könnte tatsächlich ein Treiber werden, den jahrelange Appelle an Dokumentationsdisziplin nicht waren.
Ob das in der Breite funktioniert, ist allerdings offen. Die letzten zehn Jahre haben gezeigt, dass mehr Digitalisierung allein das Informationsproblem nicht kleiner gemacht hat. Es ist gut möglich, dass KI in vielen Betrieben genauso eingeführt wird wie die Tools davor: schnell, ohne die strukturellen Voraussetzungen zu schaffen, und mit der stillen Hoffnung dass es irgendwie trotzdem funktioniert.
Quellen
- McKinsey Global Institute: The social economy — Unlocking value and productivity through social technologies (2012)
- Glean: The State of Workplace Productivity (2021)
- Coveo: Workplace Relevance Report (2022)
- IDC: Managed Print and Document Services for Controlling Today’s and Tomorrow’s Information Costs (2011)